Question

我正在将Matlab函数转换为Python。不幸的是，我不是一个Matlab专家，我很难理解一些线条，例如： G。这一个：

a = [[0, 1]; [2, 3]]
bsxfun(@rdivide, sqrt(a), a)

我还没有真正理解它，但我认为这一行确实

r / a

对于sqrt（a）的每一行r（或者每列是什么？）和r / sqrt（a）通常可以转换为numpy为

numpy.linalg.solve(sqrt(a).T, r.T).T

问题是：Matlab说结果是

       NaN   1.00000
   0.70711   0.57735

和numpy说它是

[ 1.  0.]
[ 0.55051026  1.41421356]

由

生成

for i in range(2): print linalg.solve(sqrt(a).T, a[i, :].T).T

错误在哪里？矩阵sqrt（a）和a只是一个例子。您可以用任何其他矩阵替换它们。我只想了解bsxfun对rdivide的作用。

Answer 1

>>> import numpy as np
>>> a = np.array([[0,1],[2,3]])
>>> a
array([[0, 1],
       [2, 3]])
>>> b = np.sqrt(a)
>>> b/a
Warning: invalid value encountered in divide
array([[        nan,  1.        ],
       [ 0.70710678,  0.57735027]])
>>>

由于您需要element-wise division，而不是逆矩阵乘法，numpy.linalg不是您想要的。

Answer 2

第一层为您提供python代码的转换。

但是如果你想知道为什么代码：

for i in range(2): print linalg.solve(sqrt(a).T, a[i, :].T).T

给出结果

[ 1.  0.]
[ 0.55051026  1.41421356]

因为linalg.solve()求解线性矩阵方程或线性标量方程组。

所以代码for i in range(2): print linalg.solve(sqrt(a).T, a[i, :].T).T 将解决线性矩阵方程

0 * x0 + sqrt(2) * x1 = 0
1 * x0 + sqrt(3) * x1 = 1
0 * x0 + sqrt(2) * x1 = 2
1 * x0 + sqrt(3) * x1 = 3

所以你会得到结果

[ 1, 0].T
[ 3 - sqrt(6) , sqrt(2)].T

并且numpy形状(2L,).T与(2L,)相同，因此您将得到答案。

将一行Matlab（bsxfun，rdivide）翻译成Python

2 个答案: